• کاربرد شبکه های عصبی rbf در شبکه حمل و نقل شهری

    نویسندگان :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1401/12/27
    • تاریخ انتشار در تی پی بین: 1401/12/27
    • تعداد بازدید: 147
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس ژورنال: 09216189337

    کاربرد شبکه های عصبی rbf در شبکه حمل و نقل شهری

    افزایش حجم ترافیک و ایجاد گره های ترافیکی در راه های بین شهری و همچنین شبکه ترافیک شهری سبب کاهش کارایی شبکه ترافیکی و راه های مورد نظر می شود. پیش بینی و کشف هرچه سریعتر این گره های ترافیکی می تواند کمک شایانی به حل مشکل و روان سازی جریان ترافیک نماید. شبکه های عصبی مصنوعی نشان داده اند که با تکیه بر قابلیت یادگیری خود میتوانند عملکرد بسیار مناسبی در این زمینه از خود نشان دهند. هدف اصلی این تحقیق پیش بینی و تشخیص خودکار گره های ترافیکی با استفاده از مدل شبکه عصبی هوشمند و مقایسه کارایی مدل با مدل های دیگر موجود است.

    این مقاله رویکردی را مطرح می کند که ترکیبی از داده های مطلوب و اطلاعات زمان واقعی برای پیش بینی زمان رسیدن اتوبوس می باشد. این رویکرد شامل دو مرحله است. اولا، مدل شبکه های عصبی براساس تابع پایه شعاعی (rbf) برای تقریب رابطه غیر خطی در داده های مطلوب، سپس در دومین مرحله، یک روش انلاین بر ای تعدیل وضعیت واقعی معرفی می شود. در ادامه، یک مطالعه ازمایشی بر روی مسیر شماره 21 اتوبوس در دالیان با استقرار این سیستم بر ای اثبات اعتبار و اثر بخشی این رویکرد انجام شد. به علاوه، مدل رگرسیون خطی چندگانه، شبکه های عصب bp و rbf بدون تعدیل انلاین استفاده می شود. نتایج نشان می دهد که رویکرد با rbf و تعدیل انلاین دارای عملکرد پیش بینی بهتری است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام میکنید
مقالات جدیدترین ژورنال ها